-
公开(公告)号：CN104598235A
公开(公告)日：2015-05-06
申请号：CN201510019269.9
申请日：2015-01-14
Applicant: 中国南方电网有限责任公司 , 烟台海颐软件股份有限公司
Abstract: 本发明涉及一种电力管理系统班组工作界面显示方法，所述方法包括步骤：获取与班组用户标识对应的职位代码以及专业代码，并根据职位代码以及专业代码查询并显示对应的工作界面显示框架；从与职位代码及专业代码相对应的班组数据库中查询与班组用户标识对应的组件列表和记录文件；根据记录文件统计组件列表中各组件的使用频率，并所述使用频率和预设的显示规则在所述工作界面显示框架上显示所述组件。本发明中每一个职位代码和专业代码都有对应的工作界面显示框架，从而使得不同的专业和不同的职位具有不同的工作界面；使得班组用户在最终显示的班组工作界面能够直接找到所需的组件，从而减少了班组用户的操作步骤，提高班组用户的工作效率。
-
公开(公告)号：CN104598235B
公开(公告)日：2018-03-16
申请号：CN201510019269.9
申请日：2015-01-14
Applicant: 中国南方电网有限责任公司 , 烟台海颐软件股份有限公司
Abstract: 本发明涉及一种电力管理系统班组工作界面显示方法，所述方法包括步骤：获取与班组用户标识对应的职位代码以及专业代码，并根据职位代码以及专业代码查询并显示对应的工作界面显示框架；从与职位代码及专业代码相对应的班组数据库中查询与班组用户标识对应的组件列表和记录文件；根据记录文件统计组件列表中各组件的使用频率，并所述使用频率和预设的显示规则在所述工作界面显示框架上显示所述组件。本发明中每一个职位代码和专业代码都有对应的工作界面显示框架，从而使得不同的专业和不同的职位具有不同的工作界面；使得班组用户在最终显示的班组工作界面能够直接找到所需的组件，从而减少了班组用户的操作步骤，提高班组用户的工作效率。
-
公开(公告)号：CN113240011B
公开(公告)日：2023-04-07
申请号：CN202110528781.1
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
IPC: G06F18/241 , G06F18/2415 , G06F18/23 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及数据处理领域，具体涉及一种深度学习驱动的异常识别与修复方法及智能化系统。包括以下步骤：S1：数据结构识别，S2：数据特征变换，S3：训练异常检测和修复神经网络，S4：异常数据识别与异常修复，S5：数据特征还原。采用深度学习方法，对每个特征使用双分量混合模型，其中一个分量用于解释干净单元(即正常值)，另一个分量用于解释异常单元(即异常值)；通过降低异常单元的影响来模拟潜在的正常数据分布，为数据单元提供异常值分数和对单元修复的估计；将变分自编码器和生成对抗网络两个深度生成模型进行结合，有利于生成更好的修复结果；最终实现利用无监督学习方式对混合属性数据进行cell‑level(单元级别)的异常识别及修复。
-
公开(公告)号：CN109190784B
公开(公告)日：2021-10-19
申请号：CN201810715231.9
申请日：2018-07-03
Applicant: 深圳供电局有限公司 , 烟台海颐软件股份有限公司
Abstract: 本发明提供一种分布式稽查系统，所述系统包括至少二个稽核终端、承载网络和营销外部集成服务器，其中承载网络用于至少二个稽核终端和营销外部集成服务器之间的通信；第一稽核终端用于向营销外部集成服务器发送稽核信息；所述营销外部集成服务器用于接收所述稽核信息，将待核验的问题样本存放至第一共享池；第二稽核终端用于向营销外部集成服务器发送复核命令，复核命令包括问题样本的标识号和第二稽核终端的标识；营销外部集成服务器还用于根据问题样本的标识号和第二稽核终端的标识，将问题样本的标识号对应的待核验问题样本从第一共享池提取出来，存放到第二共享池。本发明通过稽核终端与后台系统通信，解决了稽核效率低、容易出错的问题。
-
公开(公告)号：CN111314480A
公开(公告)日：2020-06-19
申请号：CN202010118574.4
申请日：2020-02-26
Applicant: 烟台海颐软件股份有限公司
IPC: H04L29/08
Abstract: 本发明涉及数据传输通讯技术领域，特别涉及一种负载自适应跨平台文件传输协议及其分布式服务实现方法。文件传输协议的设计包括固定报文头、变长报文头和报文体，还包括分布式文件传输服务，固定报文头包括报文主类型，报文子类型，协议编号，消息分类，报文体标识，变长报文长度，报文体为按块划分的二进制的文件内容。该文件传输协议的分布式服务实现方法，分布式文件传输服务包括文件发送传输和文件接收传输，文件发送传输、文件接收传输均包括文件传输进程模块和安全代理进程模块。本发明采用私有二进制协议，能够依据文件块灵活传输以持久化存储文件，方便进行分布式设计及扩展，文件传输效率高、安全性高。
-
Patent Agency Ranking
公开(公告)号：CN111314480B
公开(公告)日：2022-09-20
申请号：CN202010118574.4
申请日：2020-02-26
Applicant: 烟台海颐软件股份有限公司
IPC: H04L67/06 , H04L67/141 , H04L67/561 , H04L67/568
Abstract: 本发明涉及数据传输通讯技术领域，特别涉及一种负载自适应跨平台文件传输协议分布式服务实现方法。文件传输协议的设计包括固定报文头、变长报文头和报文体，还包括分布式文件传输服务，固定报文头包括报文主类型，报文子类型，协议编号，消息分类，报文体标识，变长报文长度，报文体为按块划分的二进制的文件内容。该文件传输协议的分布式服务实现方法，分布式文件传输服务包括文件发送传输和文件接收传输，文件发送传输、文件接收传输均包括文件传输进程模块和安全代理进程模块。本发明采用私有二进制协议，能够依据文件块灵活传输以持久化存储文件，方便进行分布式设计及扩展，文件传输效率高、安全性高。
-
公开(公告)号：CN113240011A
公开(公告)日：2021-08-10
申请号：CN202110528781.1
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明涉及数据处理领域，具体涉及一种深度学习驱动的异常识别与修复方法及智能化系统。包括以下步骤：S1：数据结构识别，S2：数据特征变换，S3：训练异常检测和修复神经网络，S4：异常数据识别与异常修复，S5：数据特征还原。采用深度学习方法，对每个特征使用双分量混合模型，其中一个分量用于解释干净单元(即正常值)，另一个分量用于解释异常单元(即异常值)；通过降低异常单元的影响来模拟潜在的正常数据分布，为数据单元提供异常值分数和对单元修复的估计；将变分自编码器和生成对抗网络两个深度生成模型进行结合，有利于生成更好的修复结果；最终实现利用无监督学习方式对混合属性数据进行cell‑level(单元级别)的异常识别及修复。
-
公开(公告)号：CN113240010A
公开(公告)日：2021-08-10
申请号：CN202110528743.6
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
IPC: G06K9/62
Abstract: 本发明涉及结构化数据异常检测领域，具体涉及一种支持非独立分布混合数据的异常检测方法及系统。包括元数据管理模块，数据集成模块，数据管理模块，任务管理与调度模块，数据关联模块，特征变换模块，模型训练模块，异常评估模块，结果管理模块。基于本算法构建的系统可以适用于结构化混合数据、单纯的分类数据、单纯的数值型数据三种不同目的智能化异常检测，可以极大的提升异常检测的效率和普适性，尤其是在数据治理、工业异常检测应用中。
-
公开(公告)号：CN109190784A
公开(公告)日：2019-01-11
申请号：CN201810715231.9
申请日：2018-07-03
Applicant: 深圳供电局有限公司 , 烟台海颐软件股份有限公司
Abstract: 本发明提供一种分布式稽查系统，所述系统包括至少二个稽核终端、承载网络和营销外部集成服务器，其中承载网络用于至少二个稽核终端和营销外部集成服务器之间的通信；第一稽核终端用于向营销外部集成服务器发送稽核信息；所述营销外部集成服务器用于接收所述稽核信息，将待核验的问题样本存放至第一共享池；第二稽核终端用于向营销外部集成服务器发送复核命令，复核命令包括问题样本的标识号和第二稽核终端的标识；营销外部集成服务器还用于根据问题样本的标识号和第二稽核终端的标识，将问题样本的标识号对应的待核验问题样本从第一共享池提取出来，存放到第二共享池。本发明通过稽核终端与后台系统通信，解决了稽核效率低、容易出错的问题。
-
公开(公告)号：CN113240010B
公开(公告)日：2023-10-24
申请号：CN202110528743.6
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
IPC: G06F18/2433
Abstract: 本发明涉及结构化数据异常检测领域，具体涉及一种支持非独立分布混合数据的异常检测方法及系统。包括元数据管理模块，数据集成模块，数据管理模块，任务管理与调度模块，数据关联模块，特征变换模块，模型训练模块，异常评估模块，结果管理模块。基于本算法构建的系统可以适用于结构化混合数据、单纯的分类数据、单纯的数值型数据三种不同目的智能化异常检测，可以极大的提升异常检测的效率和普适性，尤其是在数据治理、工业异常检测应用中。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.048 seconds)
